动态规划之树形结构的状态转移方程

最新推荐文章于 2022-08-30 22:57:34 发布

shixiaogan8008

最新推荐文章于 2022-08-30 22:57:34 发布

阅读量531

点赞数

分类专栏：数据结构与算法 c++ 刷题

本文链接：https://blog.csdn.net/shixiaogan8008/article/details/111350190

版权

本文介绍了一种动态规划方法解决树形结构问题，目标是找到最大权值和，但不能同时选择有父子关系的节点。通过定义f(o)和g(o)分别表示节点o选中和不选中时子树的最大权值和，利用后序遍历和哈希映射求解。算法的时间复杂度和空间复杂度均为O(n)。最后提出优化方案，通过返回子节点的f和g值避免使用哈希映射节省空间。

摘要由CSDN通过智能技术生成

leetcode 题目
方法一：动态规划
思路与算法

简化一下这个问题：一棵二叉树，树上的每个点都有对应的权值，每个点有两种状态（选中和不选中），问在不能同时选中有父子关系的点的情况下，能选中的点的最大权值和是多少。

我们可以用 f(o)f(o) 表示选择 o 节点的情况下，o 节点的子树上被选择的节点的最大权值和；g(o)g(o) 表示不选择 o 节点的情况下，o 节点的子树上被选择的节点的最大权值和；l 和 r 代表 o 的左右孩子。

当 o 被选中时，o 的左右孩子都不能被选中，故 o 被选中情况下子树上被选中点的最大权值和为 ll和 r 不被选中的最大权值和相加，即 f(o) = g(l) + g®f(o)=g(l)+g®。
当 o 不被选中时，o 的左右孩子可以被选中，也可以不被选中。对于 o 的某个具体的孩子 x，它对 o 的贡献是 x 被选中和不被选中情况下权值和的较大值。故 g(o) = \max { f(l) , g(l)}+\max{ f® , g® }g(o)=max{f(l),g(l)}+max{f®,g®}。
至此，我们可以用哈希映射来存 ff和 g 的函数值，用深度优先搜索的办法后序遍历这棵二叉树，我们就可以得到每一个节点的 f 和 g。根节点的 f 和 g 的最大值就是我们要找的答案。

class Solution {
   
public:
    unordered_map <TreeNode*, int> f, g;

    void dfs(TreeNode* o) {
   
        if (!o) {
   
            return;
        }
        dfs(o->left